原创 conda 安裝太慢
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
原创 from torch._C import * ImportError: DLL load failed: 找不到指定的模塊
“from torch._C import * ImportError: DLL load failed: 找不到指定的模塊” 這個問題可能是conda 安裝時沒有把conda路徑添加到系統path中導致的 如下添加路徑即可
原创 CrowdPose: Efficient Crowded Scenes Pose Estimation and A New Benchmark
摘要 問題:擁擠場景中的pose估計 文章提出自己的方法,包含兩個關鍵點: joint-candidate single person pose estimation (SPPE) global maximum joints associ
原创 JointFlow: Temporal Flow Fields for Multi Person Pose Tracking
摘要 多目標姿態跟蹤 使用了時間流場(Temporal Flow Fields) 基於相鄰兩幀和 時間網絡的通用設計,使得其可以和多種人體姿態估計的空間網絡搭配,這裏指時間網絡主要處理track問題,而空間網絡主要針對detect問題 使
原创 Stacked Hourglass Networks for Human Pose Estimation
介紹 這是一篇2016年做單人姿態估計的文章 實驗用的是MPII sigle 和 FLIC ,指標PCKh 通過堆疊沙漏結構的網絡進行人體姿態估計 沙漏結構指通過pooling得到低分辨率的特徵,然後通過上採樣得到高分辨率特徵的網絡
原创 理解深度學習各種優化策略-SGD,Adagrad,Momentum...
https://blog.csdn.net/huplion/article/details/79184338
原创 MOT2016
介紹 MOT16: A Benchmark for Multi-Object Tracking 多目標跟蹤,相比MOT15: 註釋框更多 多目標類別 多種感興趣目標的可見程度 這裏主要關注它的評價體系,MOTA和MOTP,用於posetr
原创 Multi-Person Pose Estimation for PoseTrack with Enhanced Part Affinity Fields
介紹 進階版的PAF,posetrack map 70! 關鍵點 冗餘的PAF 文中指出,由於PAF使用的聚合方法中,連接N個關節點只用了N-1條邊,要取得完整的聚合需要所有部分都檢測聚合正確,這是很難滿足的,因此設置一些冗餘的連接,
原创 RMPE:Regional Multi-Person Pose Estimation
摘要 多人姿態估計 現存方法效果不錯,但定位和識別上的小錯誤是不可避免的,這些錯誤會導致單人姿態估計的失敗。 文章提出一種新穎的框架——RMPE:Regional Multi-Person Pose Estimation 這框架包含了三
原创 pycharm 打開 gitlab 項目
首先從gitlab中把repository clone 下來 然後在本地解壓,打開pycharm,選擇open 選擇剛剛解壓的文件夾,然後OK 成功了!
原创 windows下安裝 python
使用 conda 管理 python conda,anaconda,miniconda 區別介紹可以參考這篇文章 conda、miniconda、anaconda的區別以及在pycharm中選擇conda的虛擬環境 安裝anaconda
原创 PoseTrack-Dataset
和以往數據集之間的對比: 數據來源: 基於MPII 的 raw video data 選擇41-298相鄰幀的視頻片段 選擇擁擠的場景,場景中包含多人,人與人之間互相鉸接,在參與多種動態活動 選擇的目的包括: 讓視頻包含大量的肢體
原创 Simple Baselines for Human Pose Estimation and Tracking
介紹 微軟神作,pose track 的新base line 比ICCV Pose track 冠軍在mAP上高15個點,在MOTA上高6個點 姿態估計 一個簡單的ResNet 結構 三個卷積層+BN+ReLU 中間一個1*1的卷積層
原创 PoseTrack: Joint Multi-Person Pose Estimation and Tracking
介紹 文章指出現有的方法不能直接解決posetrack問題,因爲這個問題包括兩個問題,一個pose估計,一個是track 本文提出一個新穎的方法和一個數據集劍指同時解決這個兩個子問題,方法有幾個關鍵點 用一個時空graph,表達視頻中姿態
原创 Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields
介紹 2017年的工作 多人pose估計 使用bottom-up的思路 方法 使用CNN從圖像中檢測關節熱點圖和PAF,CNN的結構如下,關節熱點的估計和PAF的估計分別用兩條之路,結果結合在一起送給下一層refine,使用多層refi